yolov5图像预处理

Yolov5的图像预处理包括以下几个步骤：

1. 加载图像：使用Python中的Pillow或OpenCV库加载图像文件。

2. 调整图像大小：将图像调整为模型所需的大小。Yolov5默认输入大小为640x640。

3. 归一化：将像素值从0-255缩放到0-1之间。

4. 通道交换：将颜色通道从RGB改为BGR，这是因为Yolov5使用的预训练权重是在BGR颜色空间下训练的。

5. 增加扩展维度：将图像增加一个扩展维度，将其转换为四维张量，以匹配Yolov5的输入形状。

以下是一个示例代码，演示了如何对图像进行预处理：

import cv2
import numpy as np

def preprocess_image(image_path):
    # Load image
    img = cv2.imread(image_path)
    
    # Resize image
    img = cv2.resize(img, (640, 640))
    
    # Normalize image
    img = np.array(img, dtype=np.float32) / 255.0
    
    # Swap color channels
    img = cv2.cvtColor(img, cv2.COLOR_RGB2BGR)
    
    # Add batch dimension
    img = np.expand_dims(img, axis=0)
    
    return img

这个函数将返回一个四维张量，形状为(1, 640, 640, 3)，可以直接传递给Yolov5模型进行推断。